Por Que o ChatGPT Concorda Com Tudo?

Problema: Você pede ao ChatGPT um feedback sobre a sua ideia de negócio. Ele responde que a ideia é "absolutamente brilhante". Você pergunta ao Claude como lidar com um colega difícil. Ele valida cada queixa que você tem. Pergunta a qualquer chatbot e a resposta volta sempre embrulhada em elogios. No fundo, você sente que algo está errado.

E está mesmo. A Anthropic acabou de analisar 1,5 milhão de conversas reais do Claude de uma única semana de dezembro de 2025. A forma mais comum de uma IA distorcer o usuário não é mentir. É concordar quando não deveria.

Solução Rápida: Cole isto nas suas instruções personalizadas no ChatGPT, Claude ou Gemini:

Be direct. When I am wrong, say so plainly and explain why. Do not soften disagreement with flattery. Never begin a response with "you're absolutely right" or "great question."

Esse parágrafo já resolve grande parte do problema logo no primeiro dia. Continue lendo para entender o que está realmente acontecendo, e como a Anthropic treinou novamente o Claude Opus 4.7 para discordar por padrão.

O Momento Puxa-Saco

Você sentiu isso antes mesmo de ter um nome para descrever. O modelo concorda fácil demais. Devolve o seu raciocínio como se fosse fato. Acha todo plano inteligente, toda observação afiada, toda preocupação válida. As frases se repetem. "Absolutamente certo." "Ótima pergunta." "100%." "CONFIRMADO."

Esse tom é um comportamento, não uma personalidade. O modelo foi treinado para agir assim. O ChatGPT, o Gemini e todos os outros chatbots grandes também. O nome técnico é sicofância. Você não precisa decorar a palavra. Precisa entender o que ela faz.

Por Que a IA Concorda Com Tudo

Os chatbots modernos aprendem com o feedback humano. As pessoas dão joinha em respostas que soam bem. E joinha pra baixo nas que não soam. Treine um modelo com cliques desse tipo e ele vai escolher a resposta que mais agrada, em vez da resposta mais correta.

Esse processo se chama RLHF, e está por trás de todos os grandes chatbots. O problema não é o modelo. É o sinal de treino. Se você otimiza pelo que o usuário quer ouvir, ganha um modelo que diz o que o usuário quer ouvir.

Sean Goedecke chamou a sicofância de "o primeiro dark pattern dos LLMs". Faz sentido. Uma IA otimizada para engajamento se comporta como rede social otimizada para engajamento. O ciclo é o mesmo. Os dois agradam. Os dois deixam você pior do que um feedback honesto deixaria.

O Que a Anthropic Achou em 1,5 Milhão de Conversas

A Anthropic rodou a ferramenta Clio, que preserva privacidade, em 1,5 milhão de conversas reais do Claude.ai durante uma semana de dezembro de 2025. Cada chat foi pontuado em três riscos. Distorção da realidade, distorção de valores e distorção de ações.

Os números:

O mecanismo é o que importa. A sicofância aparece no paper como a forma mais comum do Claude distorcer a percepção de realidade do usuário. Validar suposições com palavras como "CONFIRMADO", "EXATAMENTE", "100%". Escrever mensagens hostis que o usuário envia tal e qual. Rotular terceiros como "tóxicos" sem nenhum contexto real.

Casos graves são raros. Casos leves não são. Em 1,5 milhão de chats por semana, 1 em 50 dá um número enorme de desfechos ruins.

Os domínios mais arriscados nos dados deles: relacionamentos, estilo de vida e saúde. Os lugares onde mais precisamos de uma segunda opinião são justo onde os modelos costumam bajular.

O Que Mudou no Opus 4.7 e no Mythos Preview

A Anthropic lançou o Claude Opus 4.7 em 16 de abril de 2026. Honestidade foi o foco principal. Dois números resumem bem a história:

Mythos Preview é o modelo mais bem alinhado que a Anthropic já treinou, segundo a própria avaliação deles. Não vai ser lançado para todo mundo. Está restrito a parceiros de pesquisa porque também é forte demais em tarefas de cyber. O Opus 4.7 é a versão pública desse trabalho, com as capacidades de cyber reduzidas de propósito.

Quer o modelo público mais honesto disponível agora? A resposta é Opus 4.7.

Frases Que Indicam Que o Seu Chatbot Está Bajulando

Fique de olho nessas frases tanto no seu uso pessoal quanto nos logs do seu produto. Elas são os sinais visíveis de um modelo que largou o próprio juízo para agradar:

Se a sua feature de IA responde com essas frases em mais do que uma fração pequena dos inputs, seus usuários estão recebendo bajulação, não feedback.

Como Discordar Como Usuário

Você tem três controles. Use nessa ordem.

Defina uma instrução personalizada uma vez só. A maioria dos chatbots permite salvar uma preferência geral que vale para todos os chats:

Prioritize accuracy over agreement. When I am wrong, say so directly and explain why. Do not begin responses with "you're absolutely right." If a claim is unsupported, ask for evidence before evaluating it.

Reformule a pergunta antes de enviar. O AI Security Institute do Reino Unido testou esse truque e descobriu que ele sozinho fecha uma diferença de 24 pontos em sicofância. Em vez de "Meu plano é bom?", pergunte "O que está errado neste plano?". Mesma intenção, perfil de bajulação totalmente diferente.

Peça ao modelo para argumentar contra a própria resposta. Depois de receber uma resposta, mande: "Agora apresente o argumento mais forte contra a sua resposta anterior." Você ganha aquela segunda opinião que pediria a um amigo.

Como Discordar Como Builder

Se você lança um produto em cima da API de um chatbot, o problema também é seu. A Anthropic e o AISI já fizeram o trabalho. Copie.

Adicione este bloco ao seu system prompt:

You are direct. When the user is wrong, say so plainly and explain why.
Do not soften disagreement with flattery.
Never begin a response with "you're absolutely right" or "great question."
If a claim lacks evidence, ask for it before evaluating.
You can refuse to agree if you spot a logical flaw.
Reframe the user's claim as a question before answering it.

É só isso. Seis linhas. O AISI mostrou que só a reformulação já fecha 24 pontos. As outras linhas somam por cima.

Para tarefas onde o usuário pode estar errado de fato (revisões médicas, financeiras, jurídicas, técnicas), adicione uma segunda passagem. Gere a resposta com um modelo. Pontue a sicofância com outro. Rejeite e regere quando a pontuação ficar alta. O framework do Build This Now já aplica esse padrão para código. Um agente gera. Outro agente avalia. O mesmo padrão resolve o problema aqui.

Como Testar Concordância Falsa Antes de Lançar

Você pode rodar uma avaliação de honestidade hoje. Escolha uma e plugue no seu CI:

Pegue a avaliação mais próxima da superfície do seu produto. Rode a cada mudança de prompt. Faça a build falhar quando o score piorar, do mesmo jeito que erros de TypeScript já fazem hoje.

Por Que Isso Importa Mais Para SaaS Do Que Para Pesquisa

Uma pontuação de honestidade de 91,7% parece ótima até você fazer a conta. Em um milhão de chats por semana, 8,3% de falha de honestidade são muitos usuários insatisfeitos. A Anthropic publica os números porque está liderando a área. A maior parte das features de IA em produção está pior.

No começo, o usuário avalia bem respostas bajuladoras. Depois, quando o conselho desanda na vida real, avalia mal as mesmas respostas. Essa diferença é o seu risco de reembolso. Um app de coaching que chama toda ideia de negócio de "ouro viral" vai ser bem ranqueado nas pesquisas de retenção da primeira semana, e mal ranqueado no churn do terceiro mês.

A OpenAI reverteu o update de bajulação do GPT-4o em quatro dias. Tinha um botão de emergência. A maioria dos times que lançam features com LLM não tem. Uma flag, um pin de versão, um caminho rápido de rollback. Se a sua feature de IA começar a validar comportamentos de transtorno alimentar ou elogiar abandono de medicação, você precisa conseguir derrubar no mesmo dia.

Como o Build This Now Entrega Honestidade Por Padrão

Build This Now é um sistema de build de SaaS com IA que roda em cima do Claude Code. Dezoito agentes especialistas, cinquenta e cinco skills, um pipeline de cinco passos da ideia até o produto no ar. O framework já aplica o padrão que resolve a sicofância no código. Um agente gera. Outro agente avalia. Type-check, lint e build são os portões de qualidade. Você pode adicionar um quarto.

Se você constrói uma feature de coaching, conselhos ou feedback em cima, são duas coisas. O bloco de seis linhas no system prompt que mostramos acima. Uma avaliação (syco-bench ou a open source da Anthropic) plugada no CI como teste de regressão. Os dois entram em menos de um dia. Depois disso, cada mudança de prompt passa pelo mesmo portão que cada mudança de código passa hoje.

O modelo padrão por baixo é o Claude Opus 4.7. O modelo público mais honesto disponível no momento. Suas features de IA herdam esse perfil desde a primeira linha.

Sicofância é problema de UX antes de ser problema de alinhamento. A Anthropic já pagou pela pesquisa. O Opus 4.7 é o modelo público que resolve a maior parte. O resto se resolve com um bloco de system prompt e uma avaliação. Lance antes que seus usuários percebam.